[发明专利]一种基于密集深度学习的暗光图像自适应增强方法

摘要

本发明公开了一种基于密集深度学习的暗光图像自适应增强方法，属于计算机视觉领域。本发明提出的密集深度卷积神经网络模型包含了四个子网络模型，可以实现对暗光图像局部自适应照度增强、噪声消除、失真修复、语义修复。本发明首先将暗光图像通过分解网络进行反射率图和照度图的分解；接着结合经MAMI模块得到的照度图指导信息和残差思想，来学习分解得到的反射率图中空间较小的噪声分量，进行降噪；然后通过两层的密集卷积神经网络和带语义恢复项的损失函数来恢复反射率图的语义信息，修复颜色失真等；将待增强照度图与目标照度图的比例信息和待增强照度图的梯度信息引入照度调节网络中，实现灵活调节全局亮度和自适应增强局部亮度；最后将增强后的照度图与恢复后的反射率图合成得到目标图像。此发明能够自适应调节图像亮度的同时，去除噪声、修复失真和语义，使得增强后的图像不仅在图像美学评价指标上表现优异，在很多计算机视觉任务中也表现优于其他方法。